2731 articles
Vercel Drop permet de déployer des fichiers ou dossiers par glisser-déposer dans le navigateur, sans Git ni CLI. Détecte automatiquement les frameworks (Next.js, etc.) et les construit. Crée un projet, upload les fichiers et publie en production avec une URL partageable en quelques secondes.
GLM 5.2 est disponible sur Vercel AI Gateway avec une fenêtre de contexte portée à 1M tokens (vs 200K précédemment). Le modèle gère mieux les tâches longues et maintient le contexte d'ingénierie sur plusieurs étapes. AI Gateway offre une API unifiée avec suivi d'usage, retries, failover et tarification transparente sans markup.
Kimi K2.7 Code de Moonshot AI est désormais disponible sur Vercel AI Gateway. Ce modèle de codage supporte les tâches de programmation longue horizon (frontend, DevOps, optimisation) avec architecture multimodale texte+vision et mode thinking natif.
Vercel AI SDK 7 introduit HarnessAgent, une API unifiée pour exécuter des agent harnesses établis (Claude Code, Codex, Pi). Permet de changer de harness sans réécrire l'agent. Les harnesses gèrent skills, sandboxes, sessions, permissions et sous-agents dans un environnement sécurisé.
Preply intègre OpenAI pour générer automatiquement des résumés de cours, fournir des retours personnalisés et créer des exercices d'apprentissage des langues adaptés à chaque utilisateur.
Quatre variantes de Gemma 4 quantifiées et déverrouillées publiées : 12B, 12B QAT, 26B-A4B QAT et 31B QAT. Multiples formats disponibles (Safetensors, GGUF, NVFP4, GPTQ-Int4) sur Hugging Face. Versions non censurées « heretic ».
Brendan O'Donoghue (Google DeepMind) présente Text Diffusion dans une conférence vidéo récemment publiée. Sortie juste avant DiffusionGemma, elle clarifie les questions sur cette approche de génération de texte.
Claude Fable 5 se distingue par son approche « proactive sans relâche » : il déploie multiples stratégies pour atteindre ses objectifs. Simon Willison l'a testé sur un bug d'interface (scrollbar horizontal indésirable) en fournissant une capture d'écran et une instruction simple. Le modèle a inspecté les dépendances du projet Datasette Agent pour diagnostiquer le problème.
FablePool permet de financer collectivement le développement d'une application en poolant de l'argent derrière un prompt. Fable construit le projet en public et les contributeurs partagent les résultats.
Step-3.7-Flash sur AMD/ROCm corrompt le contexte long au-delà de ~94k tokens. Le mode reasoning est actif par défaut et consomme 2000+ tokens sans budget défini, causant des réponses vides. Solution : limiter le contexte à 90k, fixer thinking_budget_tokens à 256 via llama.cpp, ignorer enable_thinking:false et reasoning_effort.
OpenAI publie un rapport de juin 2026 sur les usages malveillants de l'IA. Le document analyse les risques de sécurité et les abus potentiels des systèmes d'IA, sans détails spécifiques fournis dans l'extrait.
Étude montrant que les LLM utilisent des armes nucléaires tactiques dans 95% des simulations de jeux de stratégie. Résultat obtenu dans des environnements de simulation sans contraintes éthiques explicites.
Nex-N2 Pro 397B et Nex-N2 Mini 35B sont des fine-tunes de Qwen3.5 publiés sur Hugging Face. Les benchmarks affichent de bonnes performances.
Un outil pour superviser et contrôler les agents Claude Code. Permet de monitorer les actions, définir des limites et appliquer des politiques de sécurité sur les agents autonomes.
Utilisateur avec RTX 3080 Ti 12GB + RTX 3080 20GB cherche à optimiser l'inférence asymétrique. Gemma 4 31B en Q4_K_XL atteint 20t/s avec cache standard, 70t/s en compressant cache K/V en q4_0. Demande clarification sur expansion mémoire GGUF et conseils configuration dual-GPU.
xdna-top est un moniteur terminal unifié pour Ryzen AI Max (Strix Halo) affichant l'activité NPU et iGPU en temps réel. L'outil montre les compteurs de soumission/complétion NPU et la puissance iGPU via une interface TUI à 5 Hz, avec mode JSON pour logging.
DoorDash lance Ask DoorDash, une fonctionnalité IA permettant aux utilisateurs de décrire leur repas souhaité en langage naturel. L'IA traite la demande et propose des restaurants et plats correspondants, simplifiant le processus de commande.
Un concessionnaire BMW a annulé une offre de reprise de véhicule client, imputant l'erreur à son chatbot IA. Le bot aurait généré une proposition commerciale sans autorisation, révélant les limites du contrôle sur les systèmes IA en environnement commercial.
Google Research présente à AISTATS 2026 un test statistique pour auditer le machine unlearning (effacement ciblé de données). La méthode est validée sur modèles classiques mais pas encore sur LLMs, soulevant des questions sur l'applicabilité aux grands modèles de langage.
DiffusionGemma 26B A4B inverse le profil de goulot d'étranglement des modèles autorégressifs : au lieu d'être limité par la bande passante mémoire uniquement en décodage, il l'est à chaque étape de débruitage parallèle (256 tokens). Sur 3090, il atteint 180 tok/s contre 90 tok/s pour Qwen 3.5 7B. Pour les workflows d'agents, la génération parallèle offre une latence prévisible indépendante de la longueur de sortie.
Prometheus, la startup IA de Jeff Bezos, lève 12 milliards de dollars à une valorisation de 41 milliards. Lancée en novembre dernier avec 6,2 milliards en seed, l'entreprise n'a pas encore de produit public. Bezos juge prématuré de partager des détails.
Deezer lance un détecteur IA gratuit accessible à tous les utilisateurs de services de streaming majeurs pour identifier les chansons générées par IA dans leurs playlists.
Développeur propose turbo-graph, fork de turbovec ajoutant une couche GraphMemoryIndex pour RAG contraint en local. Adresse limitations du search vectoriel pur : filtres tenant, contraintes temporelles/tags, voisinages graphe, rerank, explicabilité. Alpha, ciblé RAG privé où les contraintes sont critiques.
MTG Bench évalue les capacités des LLM à jouer à Magic: The Gathering. Un benchmark teste la compréhension des règles complexes, la prise de décision stratégique et la gestion de l'état du jeu par les modèles de langage.
OpenAI acquiert Ona pour renforcer ses capacités Codex. L'acquisition vise à élargir les fonctionnalités de génération de code et améliorer les modèles existants.
Discussion sur les optimisations de vitesse pour llama.cpp avec modèles MoE sur multi-GPU. L'auteur explore les flags -ngl, -ncmoe, -fitt, -ub et leur impact sur throughput (50→120 tps en prompt processing). Débat sur la pertinence pratique de ces optimisations pour une carrière en IA.
OpenAI envisage de réduire les prix des tokens pour conquérir des clients d'Anthropic, selon le Wall Street Journal. Une guerre des prix s'amorce entre les deux géants de l'IA générative.
Datasette 1.0a33 étend le pattern `?_extra=` aux requêtes et lignes en plus des tables. Cette alpha majeure documente enfin cette API pour les réponses JSON. Un explorateur API custom a été généré avec Claude Fable 5 et GPT-5.5.
Un utilisateur teste un prompt viral sur sa configuration locale (Qwen 3.6 35B via OpenWebUI). Le modèle génère du code en 12 minutes avec ajustements manuels, performance acceptable mais imparfaite. L'auteur juge le prompt peu complexe pour un benchmark.
Déploiement de DiffusionGemma 26B sur 4x AMD 7900 XTX via vLLM. Performances : 100 tokens/s en génération, 45-60 t/s en traitement de prompt. KV cache : 152k tokens. Utilisation mémoire GPU : ~23.6-23.7 GB par carte, températures 78-88°C.
Yserver est un serveur X11 moderne écrit en Rust avec l'aide de Claude Code. Le projet démontre l'utilisation d'outils IA pour développer des composants système complexes.
Un tribunal allemand se prononce sur la responsabilité des réponses générées par l'IA. La décision établit des précédents juridiques sur l'imputabilité des systèmes d'IA et les obligations des développeurs/fournisseurs.
Guide pratique pour exécuter simultanément ComfyUI et LM Studio sur une seule GPU via OpenWebUI. Nécessite l'installation d'un nœud de nettoyage VRAM dans ComfyUI et la configuration du partage mémoire dans LM Studio. Testé sur RTX 5060 Ti 16GB.
Benchmarks de DiffusionGemma 26B A4B quantifié (Q6_K 22GB, Q4_K_M 16GB) sur RTX 5090. Contexte stable : 6,144 tokens (Q6_K) et 10,240 tokens (Q4_K_M) limités par l'absence de Flash Attention sur SM120. Paramètres optimaux et invocations llama.cpp documentés.
DiffusionGemma montre des comportements imprévisibles en charge réelle : écarts H100/A100 plus larges qu'attendu, excellentes performances sur workloads simples mais dégradation rapide avec concurrence, streaming et requêtes hétérogènes. Patterns GPU inhabituels comparés à l'inférence transformer classique.
Google présente DiffusionGemma, un modèle expérimental de génération de texte 4 fois plus rapide que les approches standard. Le modèle repense l'architecture de la génération textuelle.
Un tribunal rejette l'argument de Google selon lequel l'IA serait nécessaire pour la recherche Internet. La décision souligne que les utilisateurs n'ont pas besoin de systèmes IA pour accéder aux informations en ligne.
Oracle augmente massivement ses dépenses en IA au-delà des prévisions, alimentant les inquiétudes sur l'endettement croissant de l'entreprise. Les investissements dépassent les estimations initiales.
Une étude révèle que les travailleurs consacrent plus de 6 heures par semaine à superviser et corriger les résultats d'outils IA, générant frustration et surcharge cognitive. Ce phénomène de « botsitting » érode les gains de productivité attendus.
Anthropic publie un essai et deux cadres politiques. Dario Amodei appelle à des audits contraignants des modèles frontière et décrit l'IA comme une arme stratégique entre États-nations.
Une étude remet en question l'efficacité du code généré par IA. Contrairement aux attentes, augmenter l'utilisation de code généré par IA ne garantit pas une accélération des équipes et pourrait ralentir la productivité.
Analyse de 131 sites web générés par IA. Le « look IA » visuel n'est pas l'indicateur principal pour identifier un site créé par IA. L'étude révèle d'autres marqueurs plus fiables.
Anthropic s'excuse pour des garde-fous invisibles dans Claude Fable. L'entreprise reconnaît avoir implémenté des restrictions non documentées affectant le comportement du modèle sans transparence envers les utilisateurs.
Fata est un outil de répétition espacée conçu pour lutter contre l'oubli des compétences en programmation face à l'IA. Le projet, présenté sur Hacker News, propose une approche basée sur la science cognitive pour maintenir les skills de codage.
Mendo, startup française, lève 12 millions d'euros pour accélérer l'adoption de l'IA en Europe. Le financement vise à déployer ses solutions auprès des entreprises européennes.
Un développeur applique la théorie de la stabilité de Lyapunov pour détecter quand les agents LLM entrent en boucles infinies ou divergent. Approche mathématique pour prédire l'instabilité comportementale des agents autonomes.
Amazon sécurise un prêt bancaire de 17,5 milliards de dollars destiné aux investissements en IA, quelques jours après une levée obligataire.
SkillSpector est un scanner de sécurité open-source NVIDIA pour les compétences d'agents IA. Il détecte les vulnérabilités, les patterns malveillants et les risques de sécurité dans les outils et fonctions utilisés par les agents.
Apple publie un outil Swift pour créer et exécuter des conteneurs Linux via des machines virtuelles légères sur Mac, optimisé pour Apple Silicon.
Asterinas est un système d'exploitation Linux alternatif visant la production, conçu pour être memory-safe et haute performance.
Windmill est une plateforme open-source pour transformer scripts en webhooks, workflows et interfaces utilisateur. Le moteur de workflow affiche 13x plus rapide qu'Airflow. Alternative open-source à Retool et Temporal.
Nono est un runtime d'agent basé sur les capacités avec des politiques granulaires. Il gère l'accès directement dans le contexte opérationnel de l'agent, sans configuration ni latence.
ccstatusline est une barre de statut personnalisable pour Claude Code CLI avec support Powerline, thèmes et options avancées.
Mermaid est un outil JavaScript permettant de générer des diagrammes (organigrammes, diagrammes de séquence) à partir de texte, similaire à la syntaxe markdown.
MLflow est une plateforme open-source pour l'ingénierie IA couvrant agents, LLMs et modèles ML. Elle permet le debug, l'évaluation, le monitoring et l'optimisation d'applications IA en production, avec contrôle des coûts et gestion d'accès.
Anthropic publie le SDK Python officiel pour Claude Agent. Permet de construire des agents autonomes utilisant Claude via une API Python native avec support des outils et du multi-turn.
LLMQuant/quant-mind est un framework open-source pour l'extraction et la récupération intelligente de connaissances en finance quantitative, utilisant des LLM.
SIA est un framework d'IA auto-améliorante permettant à tout système IA (modèle ou agent) d'améliorer autonomement ses performances sur une tâche benchmark.
Un développeur a implémenté l'ASR biasing (guidage de transcription) dans un clone open source de Whisper Flow. Cette technique injecte un vocabulaire personnalisé dans le prompt système du modèle pour améliorer la reconnaissance de mots spécifiques. Compatible avec Groq, OpenAI, Deepgram et modèles locaux (whisper.cpp, MLX).
Discussion communautaire sur NVFP4 dans llama.cpp. Utilisateurs comparent NVFP4 avec quantifications Q4-Q8 pour GPUs 8GB (RTX 4060, AMD, Intel). Questions : qualité NVFP4 vs Q6/Q8, benchmarks (vitesse, perplexité), modèles recommandés (Qwen 3.5-9B, Gemma-4-12B). Ressources : listes HuggingFace NVFP4 et GGUFs.
Refiner, une nouvelle bibliothèque créée par l'ex-équipe de pré-entraînement de Hugging Face, est annoncée pour le raffinement de données robotiques. Elle supporte les formats Parquet, HDF5, MCAP, Zarr, RLDS et LeRobot, avec des flux de traitement incluant le suivi visuel des mains, les annotations de sous-tâches et l'exécution de modèles de récompense.
Minimax annonce la sortie en open weights de son modèle M3 prévue vendredi. Le modèle sera accessible en poids ouverts, permettant aux développeurs de l'utiliser localement sans restrictions propriétaires.
Un utilisateur a construit un système local de musique IA en temps réel sur ESP32 et MacBook M4 Pro. L'ESP32 capture la voix via MLX Whisper, un modèle Qwen décide des appels d'outils (ajouter batterie, Lo-fi, Jazz, retirer guitare), et Magenta Realtime 2 génère la musique localement via WebSockets.
Méthode d'allocation adaptative de tokens vidéo exploitant la redondance temporelle dans l'espace latent d'un tokeniseur gelé. Un seuil fixe sur les différences L1 temporelles identifie les positions redondantes; un Latent Inpainting Transformer (LIT) les reconstruit. Pipeline efficace: 31× plus rapide qu'ElasticTok-CV, 2× qu'InfoTok sur TokenBench et DAVIS.
Google lance Gemini 3.5 Translate pour traduire les conversations en temps réel dans plus de 70 langues sans altération du contenu original.
TCS conclut un partenariat mondial avec Anthropic. 50 000 employés du géant indien des services informatiques auront accès à Claude pour leurs activités professionnelles.
NVIDIA a développé Nemotron 3, un modèle open-source optimisé pour l'inférence sur GPU. L'article détaille l'architecture, les techniques d'entraînement et les choix d'optimisation qui permettent des performances compétitives avec des modèles propriétaires.
Un développeur découvre que Qwen (GLM-5.1) refuse de traiter des requêtes contenant « June 4 » (date des manifestations de Tiananmen), bloquant son application avec une erreur de contenu sensible. La censure chinoise affecte les utilisateurs occidentaux via les modèles hébergés en Chine.
Anthropic abandonne sa politique de limitation silencieuse de Claude pour la recherche en IA. L'entreprise notifiera désormais les utilisateurs lorsqu'elle refuse une requête ou redirige vers un modèle moins capable pour des tâches de développement d'IA frontière.
Un développeur reconstruit un modèle de langage vintage à partir de zéro. Le projet explore les techniques fondamentales des LLM sans dépendre des frameworks modernes.
Minerva lève 20 millions de dollars et s'associe à OpenAI pour sa plateforme de marketing IA. La startup déploie les modèles d'OpenAI dans ses outils destinés aux équipes marketing.
Anthropic a annulé une politique qui aurait secrètement ralenti les chercheurs en IA rivaux. L'entreprise reconnaît un « mauvais compromis » mais d'autres points de friction persistent.
Claude Fable 5 est désormais accessible via Perplexity Computer. Les utilisateurs peuvent tester ce modèle directement sur la plateforme sans configuration supplémentaire.
Les données de scans collectées par Pokémon Go ont entraîné la technologie de navigation utilisée dans les drones militaires. Le jeu mobile a fourni des millions d'images géolocalisées pour améliorer les systèmes de vision par ordinateur.
Sortie d'asyncinject 0.7, une bibliothèque Python pour l'injection de dépendances avec asyncio. Claude Fable 5 a identifié et corrigé des bugs dans le code lors de son utilisation avec Datasette.
Google Home reçoit trois nouvelles fonctionnalités : contrôle vocal des contenus multimédias et prévisions météo améliorées. Déploiement en cours après plusieurs mises à jour récentes.
Étudiant indien propose de fusionner Attention et FFN pour réduire les paramètres (<10M) sans perte de performance. Remplace les matrices linéaires statiques de SwiGLU par de l'attention dynamique. Expériences limitées (0.8M en 8-10h, 4M en 3-4 jours sur PC personnel) faute de ressources.
Étude des attaques adversariales contre la summarization de données continues via optimisation DR-submodulaire. Les auteurs formulent des attaques multi-cibles comme problème min-max et proposent des défenses robustes via max-min régularisé. Algorithmes d'approximation avec garanties théoriques validés sur benchmarks réels.
Cadre d'évaluation de la robustesse adversariale des LLM basé sur le coût computationnel (FLOPs) plutôt que sur le nombre de requêtes. Étude de 10 modèles avec 3 stratégies d'attaque révèle : l'alignement a des effets non-monotones, la taille réduit les attaques par gradient mais pas les attaques par template, transfert possible entre modèles, variation de coût jusqu'à 5× selon les catégories de dommages.
ISE est un paradigme de synthèse en trois étapes pour générer des trajectoires d'agents OS multi-tours avec exécution réelle. 43 956 intents structurés, 23 132 trajectoires (8,12 tours utilisateur en moyenne), exécution live en sandbox. Fine-tuning Qwen3-8B sur ISETrace : ClawEval 19,3→37,7 pass@1, surpasse GPT-4o zéro-shot et Qwen3-32B.
Méta-analyse de 300+ papiers sur le raisonnement en LLM. Taxonomie couvrant Chain-of-Thought, raisonnement multi-hop, mathématique, sens commun, visuel, code, RAG, agents et RL. Identifie hallucinations, inférence fragile multi-étapes, abstraction causale faible et mauvaise généralisation cross-domaine.
Étude comparative de Claude Code et Codex sur l'analyse de données en sciences sociales. Les agents IA produisent une diversité méthodologique égale ou supérieure aux humains, mais restent vulnérables aux biais interprétatifs au niveau du verdict final. Un prompt biaisé ne modifie pas les estimations agrégées contrairement aux analystes humains.
GLACIER est un modèle étudiant-professeur multimodal pour la prédiction de propriétés moléculaires. Il intègre graphes moléculaires, chaînes SMILES et descripteurs physicochimiques via trois encodeurs préentraînés sur 100 000 molécules, fusionnés par géométrie de Finsler et distillation de connaissances de MiniMol et MolFormer.
Étude systématique des frameworks d'évaluation et d'évolution des compétences d'agents IA. Catégorise l'évolution en quatre paradigmes : feedback d'exécution, distillation de trajectoires, compression et apprentissage par renforcement. Analyse six catégories de benchmarks et identifie les lacunes structurelles pour construire des écosystèmes de compétences généralisables et sûrs.
RecToM, un framework d'inférence pour le raisonnement Theory of Mind, modélise les croyances imbriquées via construction récursive de perspectives. Testé sur Hi-ToM, Big-ToM et FanToM avec GPT-5.4 et Qwen3.5, il atteint 100% de précision et surpasse les approches existantes.
TouchThinker est un framework tactile-langage pour le raisonnement commonsense basé sur le toucher. Les auteurs construisent TouchThinker-1M, un dataset de 1 million d'exemples couvrant 415 objets, 8 scénarios et 7 types de capteurs, et introduisent un mécanisme de modélisation action-aware pour améliorer l'efficacité des représentations tactiles.
Framework multi-agent AutoGen pour la conception automatisée de barrières en béton armé. Atteint 98% de précision en design en boucle fermée génération-évaluation-optimisation. Un modèle 8B surpasse des modèles 631B non contraints, réduisant coûts computationnels tout en respectant normes AASHTO-LRFD.
Étude sur 74 participants (214 réponses) explorant l'adoption des suggestions IA lors d'exercices d'écriture créative. Un jeu gamifié désincite l'utilisation de suggestions IA pour révéler les préférences authentiques des utilisateurs. Analyse des facteurs influençant l'interaction humain-IA entre autonomie créative et efficacité.
SVoT est un framework de reinforcement learning pour améliorer le raisonnement spatial des MLLMs. Il génère des états intermédiaires vérifiables et des visualisations via chaînes de raisonnement de transition. Entraîné avec GRPO, SVoT atteint 65% de gain de précision sur des domaines étendus (Pacman, Gather) nécessitant interactions multi-objets.
Moral Trolley Arena, un benchmark ELO en deux étapes, mesure comment les LLMs composent des signaux moraux. Sur 10 modèles frontière, les jugements composites sont prédits par la force des actes composants mais avec une relation compressée non-additive. Les résultats montrent que les audits moraux doivent mesurer les règles de composition, pas seulement les classements d'actes isolés.
Okara, une plateforme d'IA CMO construite par 4 personnes, gère la croissance marketing pour 120 000+ entreprises sur Vercel. Elle traite 4 milliards de tokens quotidiens via une pile multi-fournisseurs et déploie 8 sous-agents spécialisés (SEO, contenu, réseaux sociaux, Reddit, Hacker News). Okara a migré vers Vercel AI Gateway pour unifier ses intégrations de modèles et éliminer la maintenance manuelle.
MA-DLE propose une méthode d'augmentation mémoire pour estimer automatiquement les niveaux de dépression à partir de la parole. Le système utilise un GRU enrichi par une banque mémoire sélective (features temporelles historiques + features dynamiques basées sur la variabilité) et un module Hierarchical Attention Fusion. Évalué sur DAIC-WOZ et E-DAIC, il atteint l'état de l'art.
Un article propose Relational Reflective Intelligence (RRI), une couche de gouvernance au moment de l'inférence qui structure l'interaction humain-IA autour de boucles de raisonnement auditables. RRI identifie les défaillances de raisonnement (Rose-Frame), introduit des étapes de réflexion ciblées (Architect's Pen), et crée un workflow avec points de contrôle explicites sans retraining du modèle.
SkillJuror évalue comment l'organisation des Skills (procédures augmentant les agents LLM) affecte le comportement à l'exécution. Sur 82 tâches, la Progressive Disclosure (ressources hiérarchisées) augmente les ressources touchées par trajectoire de 1,18 à 3,85 et les événements d'uptake de 1,33 à 3,92, gagnant +4,1% de succès. Le bénéfice dépend de la tâche.
Schützen est un dataset d'évaluation de sécurité LLM en allemand et bulgare, couvrant une langue à faibles ressources et une à fortes ressources. Les expériences révèlent des différences significatives de comportement de sécurité entre langues, soulignant le besoin de ressources d'évaluation régionales adaptées.
ProjectMem est une couche mémoire locale et open-source pour agents IA de codage, basée sur un journal d'événements immuable (problèmes, tentatives, fixes, décisions). Elle réduit la consommation de tokens (5 000-20 000 par session) et ajoute une gouvernance préventive : l'agent est averti avant de répéter un fix échoué ou modifier un fichier fragile. Fonctionne hors ligne via MCP.
Première implémentation complète d'un pipeline RAG sur NPU mobile (Snapdragon X Elite Hexagon). Tous les stages (embedding, reranking, génération LLM) tournent on-device. Sur benchmark Wikipedia 120 requêtes : 18.1x plus rapide en prefilling LLM, 4.0x moins d'énergie système que CPU, qualité réponses identique (GPT-4.1 judge : 9.32 vs 8.95 CPU).
Article théorique sur le problème d'élicitation des connaissances latentes (ELK) : comment entraîner un système IA à rapporter honnêtement ses croyances sur des variables cachées. Les auteurs formalisent ELK via des diagrammes d'influence causale et prouvent un théorème d'impossibilité : aucune stratégie d'entraînement basée sur le feedback ne peut garantir l'honnêteté d'un agent, même avec un feedback parfait.
Nouvelle approche pour prédire le comportement des grands modèles de raisonnement (LRM) sans passer par des explications. Les auteurs entraînent des Behavior Forecasters sur des trajectoires de raisonnement pour prédire la stabilité des réponses et l'impact des modifications d'entrée. Évaluation sur trois datasets : les forecasters surpassent GPT-5.4 et Claude Opus-4.6 avec coût d'inférence réduit.
EverydayGPT introduit un mécanisme de routage par confiance (CGR) pour les systèmes RAG conversationnels. Un GPT de 205M paramètres entraîné sur 10B tokens évite l'appel au chemin GPT coûteux (~5.9s) pour 85% des requêtes en les résolvant via extraction RAG rapide (~45ms), réduisant la latence de 120x. F1=0.226 sur benchmark 500 questions, avec réduction latence moyenne 6.3x.